Key Takeaways
- Istraživači su kreirali tehnike koje omogućavaju korisnicima da rangiraju rezultate ponašanja modela mašinskog učenja.
- Stručnjaci kažu da metoda pokazuje da mašine sustižu ljudske sposobnosti razmišljanja.
- Napredak u AI bi mogao ubrzati razvoj sposobnosti kompjutera da razumiju jezik i revolucionirati način na koji AI i ljudi komuniciraju.
Nova tehnika koja mjeri moć rasuđivanja umjetne inteligencije (AI) pokazuje da mašine sustižu ljude u svojim sposobnostima razmišljanja, kažu stručnjaci.
Istraživači na MIT-u i IBM Research-u kreirali su metodu koja omogućava korisniku da rangira rezultate ponašanja modela mašinskog učenja. Njihova tehnika, nazvana Shared Interest, uključuje metriku koja upoređuje koliko dobro razmišljanje modela odgovara razmišljanju ljudi.
"Danas, AI je sposoban da dostigne (i, u nekim slučajevima, prevaziđe) ljudske performanse u specifičnim zadacima, uključujući prepoznavanje slika i razumevanje jezika, " Pieter Buteneers, direktor inženjeringa za mašinsko učenje i AI u oblasti komunikacija kompaniju Sinch, rekao je za Lifewire u intervjuu e-poštom. "Sa obradom prirodnog jezika (NLP), AI sistemi mogu tumačiti, pisati i govoriti jezike kao i ljudi, a AI čak može prilagoditi svoj dijalekt i ton kako bi se uskladio sa svojim vršnjacima."
Umjetna pamet
AI često daje rezultate bez objašnjenja zašto su te odluke ispravne. A alati koji pomažu stručnjacima da razumiju razmišljanje modela često pružaju samo uvid, samo jedan po jedan primjer. AI se obično obučava koristeći milione unosa podataka, što otežava čovjeku da procijeni dovoljno odluka da identifikuje obrasce.
U nedavnom radu, istraživači su rekli da zajednički interes može pomoći korisniku da otkrije trendove u donošenju odluka modela. A ovi uvidi mogu omogućiti korisniku da odluči da li je model spreman za implementaciju.
„U razvoju Shared Interest, naš cilj je da budemo u mogućnosti da proširimo ovaj proces analize kako biste mogli da razumete na globalnom nivou kakvo je ponašanje vašeg modela,” Angie Boggust, koautorica rada, stoji u saopštenju.
Shared Interest koristi tehniku koja pokazuje kako je model mašinskog učenja donio određenu odluku, poznatu kao metode istaknutosti. Ako model klasifikuje slike, metode istaknutosti ističu oblasti slike koje su važne za model kada donosi odluku. Shared Interest funkcioniše tako što upoređuje metode istaknutosti sa anotacijama koje stvaraju ljudi.
Istraživači su koristili Shared Interest kako bi pomogli dermatologu da utvrdi da li treba vjerovati modelu mašinskog učenja koji je dizajniran da pomogne u dijagnosticiranju raka na osnovu fotografija kožnih lezija. Zajednički interes omogućio je dermatologu da brzo vidi primjere tačnih i netačnih predviđanja modela. Dermatolog je odlučio da ne može vjerovati modelu jer je napravio previše predviđanja na osnovu artefakata slike, a ne stvarnih lezija.
“Vrijednost ovdje je da koristeći Shared Interest, možemo vidjeti kako se ovi obrasci pojavljuju u ponašanju našeg modela. Za otprilike pola sata, dermatolog je mogao odlučiti da li će vjerovati modelu ili ne i da li će ga primijeniti ili ne”, rekao je Boggust.
Razlog iza odluke modela važan je i za istraživača mašinskog učenja i za donosioca odluka.
Mjerenje napretka
Rad istraživača MIT-a mogao bi biti značajan korak naprijed za napredak umjetne inteligencije prema inteligenciji na nivou čovjeka, rekao je Ben Hagag, šef istraživanja u Darrowu, kompaniji koja koristi algoritme za mašinsko učenje, rekao je za Lifewire u intervjuu putem e-pošte.
“Razlog iza odluke modela važan je i za istraživača mašinskog učenja i za donosioca odluka,” rekao je Hagag. „Prvi žele da shvate koliko je model dobar i kako se mogu poboljšati, dok drugi žele da razviju osećaj poverenja u model, tako da moraju da razumeju zašto je taj rezultat predviđen.”
Ali Hagag je upozorio da je istraživanje MIT-a zasnovano na pretpostavci da razumijemo ili možemo anotirati ljudsko razumijevanje ili ljudsko razmišljanje.
“Međutim, postoji mogućnost da ovo možda nije tačno, pa je potrebno više rada na razumijevanju ljudskog donošenja odluka,” dodao je Hagag.
Napredak u AI bi mogao ubrzati razvoj sposobnosti kompjutera da razumiju jezik i revolucionirati način na koji AI i ljudi komuniciraju, rekao je Buteneers. Chatbotovi mogu razumjeti stotine jezika istovremeno, a AI asistenti mogu skenirati tijela teksta u potrazi za odgovorima na pitanja ili nepravilnosti.
“Neki algoritmi mogu čak prepoznati kada su poruke lažne, što može pomoći preduzećima i potrošačima da uklone neželjene poruke,” dodao je Buteneers.
Ali, rekao je Buteneers, AI i dalje čini neke greške koje ljudi nikada ne bi učinili. „Iako se neki brinu da će AI zamijeniti ljudske poslove, realnost je da će nam uvijek biti potrebni ljudi koji rade zajedno s AI robotima kako bi ih držali pod kontrolom i držali ove greške na udaljenosti, a da pritom očuvamo ljudski dodir u poslovanju,“dodao je.
